用這 6 種方式優化程式碼，讓你的 Python 速度提升 30%！

News from: TechOrange

Python 已經得到了全球工程師的喜愛，但是還是遭到一些人的詬病，原因之一就是認為它運作緩慢。其實某個特定程式（無論使用何種程式語言）的運行速度是快還是慢，在很大程度上取決於編寫該程式的開發人員自身素質，以及他們編寫高效程式碼的能力。Medium 上一位網友就詳細講了講如何讓 python 提速 30%，以此證明程式碼跑得慢不是 python 的問題，而是程式碼本身的問題。

Web site: https://towardsdatascience.com/making-python-programs-blazingly-fast-c1cd79bd1b32

首先，找出拖慢程式的程式碼

在開始進行任何優化之前，我們首先需要找出程式碼的哪些部分使整個程式變慢。有時程式的問題很明顯，但是如果你一時不知道問題出在哪裡，那麼這裡有一些可能的選項：

注意：這是我將用於演示的程式，它將進行指數計算（取自 Python 文檔）：

▌最簡單的方法：Unix 時間命令

首先，最簡單最偷懶的方法：Unix 時間命令。

如果你只能直到整個程式的運行時間，這樣就夠了，但通常這還遠遠不夠。

▌更詳細的分析：cProfile

另外一個指令是 cProfile，但是它提供的資訊過於詳細了。（完整程式碼 在這裡）

在這裡，我們使用 cProfile 模組和 time 參數運行測試腳本，以便按內部時間（cumtime）對行進行排序。這給了我們很多資訊，你在上面看到的行大約是實際輸出的 10%。由此可見，exp 函數是罪魁禍首，現在我們可以更詳細地瞭解時序和性能分析。

▌時序特定功能

現在我們知道了應當主要關注哪裡，我們可能想對運行速度緩慢的函數計時，而不用測量其餘的程式碼。為此，我們可以使用一個簡單的裝飾器：

（完整程式碼 在這裡）

然後可以將此裝飾器應用於待測功能，如下圖所示：

這給出我們以下輸出：

需要考慮的一件事是我們實際想要測量的時間。時間包提供 time.perf_counter 和 time.process_time 兩個函數。他們的區別在於 perf_counter 返回的絶對值，包括你的 Python 程式進程未運行時的時間，因此它可能會受到電腦負載的影響。另一方面，process_time 僅返回用戶時間（不包括系統時間），這僅是你的過程時間。

加速 Python 的 6 種方式，特定情況可將速度提升 30%

讓 Python 程式運行得更快，這部分會很有趣。我不會展示可以解決你的性能問題的技巧和程式碼，更多地是關於構想和策略的，這些構想和策略在使用時可能會對性能產生巨大影響，在某些情況下，可以將速度提高 30%。

▌使用內置數據類型

這一點很明顯。內置數據類型非常快，尤其是與我們的自定義類型（例如樹或連結列表）相比。這主要是因為內置程式是用 C 實現的，因此在使用 Python 進行編碼時，我們的速度實在無法與之匹敵。

▌使用 lru_cache 緩存/記憶

我已經在上一篇 文章 中展示了此內容，但我認為值得用簡單的範例來重複它：

上面的函數使用 time.sleep 模擬大量計算。第一次使用參數 1 調用時，它將等待 2 秒鐘，然後才返回結果。再次調用時，結果已經被緩存，因此它將跳過函數的主體並立即返回結果。

▌使用局部變數

這與在每個作用域中查詢變數的速度有關，因為它不只是使用局部變數還是全局變數。實際上，即使在函數的局部變數（最快）、類級屬性（例如 self.name，較慢）和全局（例如導入的函數，如 time.time，最慢）之間，查詢速度實際上也有所不同。

你可以透過使用看似不必要的分配來提高性能，如下所示：

▌使用函數

這似乎違反直覺，因為調用函數會將更多的東西放到堆疊上，並從函數返回中產生開銷，但這與上一點有關。如果僅將整個程式碼放在一個文件中，而不將其放入函數中，則由於全局變數，它的運行速度會慢得多。因此，你可以透過將整個程式碼包裝在 main 函數中，並調用一次來加速程式碼，如下所示：

▌不訪問屬性

可能會使你的程式變慢的另一件事是點運算符號（.），它在獲得對象屬性時被使用。此運算符號使用 __getattribute__ 觸發字典查詢，這會在程式碼中產生額外的開銷。那麼，我們如何才能真正避免（限制）使用它呢？

▌當心字元串

使用模數（% s）或 .format（）進行循環運行時，字元串操作可能會變得非常慢。我們有什麼更好的選擇？根據雷蒙德．海廷格（Raymond Hettinger）最近的推特，我們唯一應該使用的是 f 字元串，它是最易讀，最簡潔且最快的方法。根據該推特，這是你可以使用的方法列表——最快到最慢：

生成器本質上並沒有更快，因為它們被允許進行延遲計算，從而節省了記憶體而不是時間。但是，保存的記憶體可能會導致你的程式實際運行得更快。這是怎麼做到的？如果你有一個很大的數據集，而沒有使用生成器（疊代器），那麼數據可能會溢出 CPU L1 緩存，這將大大減慢記憶體中值的查詢速度。

在性能方面，非常重要的一點是 CPU 可以將正在處理的所有數據儘可能地保存在緩存中。你可以觀看 Raymond Hettingers 的影片，他在其中提到了這些問題。

優化的首要規則是不要優化。但是，如果確實需要，那麼我希望上面這些技巧可以幫助你。但是，在優化程式碼時要小心，因為它可能最終使你的程式碼難以閲讀，因此難以維護，這可能超過優化的好處。